机器视觉是一门高速发展的前沿学科,其核心就是利用机器代替人眼,对特定的图像信息进行复杂的处理以得到各类信息的过程。而随着当代制造业的快速变革,传统工业的尺寸测量方法已逐步淘汰。本文依托机器视觉及图像的SIFT特征实现对工件尺寸的无接触测量研究,并对这一测量系统进行了改进和实现,最终达到良好的测量效果。在图像获取前,首先对测量系统进行校正,以减少机械装置等对工件图像造成的精度误差,提高测量准确度。由于本系统使用的是CCD传感器,为使传感器镜面与待测工件测量平面尽量保持平行,本系统采用棋盘格标定板作为校正工具。在图像获取后,由于工件和相机的空间三维位置关系,会使得到的图像存在畸变现象,本系统利用标准棋盘格计算出仿射变换模型参数,然后对获取的图片做校正处理。本系统对小尺寸的工件可以做到完整的图像信息采集,但是由于CCD相机拍照范围受限,大尺寸工件无法做到一次行的图像信息获取,因此要对得到的分块图像进行拼接以获取完整工件图像信息。基于光栅尺运动的图像拼接,利用每张图像对应的光栅尺坐标确定图像拼接的像素位置点,将新图片的显示区域纳入到整张图片中,最后在图像重合域利用平均加权算法进行图片融合以消除视觉误差,达到高效、快速的图像拼接效果。基于SIFT算子的和最佳缝合线的图片拼接技术,在实现上比光栅尺的拼接略微复杂,但是提高图像拼接准确度。经过SIFT算法来描述工件图像的关键点,利用最近邻方法完成图像中关键点的一次匹配,再经过RANSAC计算进行二次匹配并计算投影变换模型参数;然后在待拼接图像的重合区中做Max-Flow/Min-Cut计算以获得最佳缝合线,并将图像沿最佳缝合线进行拼接;最后,为消除缝合线的视觉割裂感,利用渐入渐出方法使两侧图像的灰度均匀过渡,完成图像拼接。该方法在继承SIFT算法关键点描述准确、稳定的同时,能够有效消除图像融合产生的重影问题,一定程度上提高工件尺寸测量的准确度。对工件的形状检测及计算同样受限于CCD相机分辨率,在不提升物理分辨率基础上,为提高测量结果准确度,使用亚像素细分技术。亚像素定位包括基于拟合、基于插值和基于矩的多种算法,各个算法都具有适用范围及一定局限。其中矩估计由于对噪声不敏感的特性而运用最为广泛,本系统采用矩估计亚像素细分法对工件的形状进行识别和测量。